Lord Voldemort
2024-06-24 21:11B哪里錯了呢
所屬：FRM Part I > Quantitative Analysis 視頻位置 相關(guān)試題
來源： 視頻位置 相關(guān)試題
1個回答
黃石助教
2024-06-25 09:16
該回答已被題主采納
同學(xué)你好。Reinforcement learning使用unlabeled也就是無標(biāo)簽的數(shù)據(jù)集（故B選項錯誤，沒有correct output values）。它是根據(jù)周圍的環(huán)境采取行動，而模型會根據(jù)行動的結(jié)果給予獎勵或懲罰，從而不斷優(yōu)化行動策略。本質(zhì)上reinforcement learning考慮的是智能體與環(huán)境的交互問題，目標(biāo)是找到一個最優(yōu)策略，使智能體獲得盡可能多的獎勵?？梢灶惐瘸少愜囉螒?，賽車就是智能體，需要通過執(zhí)行很多動作來獲得盡可能高的比賽得分，這里比賽得分就是獎勵。
0
0
0
0
